基于稠密残差注意力的条件迁移：从街景影像合成交通标志
计算机视觉与模式识别
2018-09-06 v1
摘要
街景影像中交通标志的目标检测与分类是资产管理、地图制作和自动驾驶的重要一环。然而，某些交通标志极少出现，因此难以自动识别。为提高检测与分类率，我们提出生成交通标志图像，并将其用于训练检测器/分类器。在本研究中，我们提出一个端到端框架，可从给定的交通标志图像和目标类别的象形图生成逼真的交通标志图像。我们提出一种具有稠密连接的残差注意力机制，称为稠密残差注意力（Dense Residual Attention），在迁移目标信息的同时保留背景信息。我们还提出利用多尺度判别器，使输出的较小尺度引导更高分辨率的输出。我们通过使用真实数据与生成数据组合训练检测器，在大量交通标志类别上进行了检测与分类测试。新训练的模型在检测测试中于 99% 召回率下将误报数减少 1.2–1.5%，并在分类测试中取得 4.65%（top-1 准确率）的绝对提升。
引用
@article{arxiv.1809.01444,
title = {Conditional Transfer with Dense Residual Attention: Synthesizing traffic signs from street-view imagery},
author = {Clint Sebastian and Ries Uittenbogaard and Julien Vijverberg and Bas Boom and Peter H. N. de With},
journal= {arXiv preprint arXiv:1809.01444},
year = {2018}
}
备注
The first two authors have equal contribution. Accepted at International Conference on Pattern Recognition 2018 (ICPR)